基于高分二号遥感影像树种分类的时相及方法选择

掌握森林内树木种类及其分布情况对研究森林生态系统具有重要意义.为推广国产高分数据在森林树种分类方面的应用,同时探究不同时相、分类特征及分类器的组合对树种分类结果的影响,本研究利用3景高分二号影像构建了3种单时相和4种多时相,通过多尺度分割、C5.0特征优选及支持向量机(SVM)和随机森林(RF)两种分类器分别实现了不同时相及特征维度下面向对象的8个树种的分类,最终取得了总体精度在63.5～83.5%、Kappa系数在0.57～0.81的良好结果.结果表明: 时相的选择会对分类结果产生较大的影响,其中,基于多时相的结果往往优于单时相,多时相下不同影像组合间以及单时相间亦存在明显的精度差异;特征优选会对分类精度的提升起到积极作用,应予以足够重视;SVM在不同时相及特征维度下的表现均较为稳定,在单时相及分类特征难以直接区分树种的情况下应优先使用SVM,但使用SVM时应注意其易发生过拟合;RF不易发生明显的过拟合,但其对分类特征的质量依赖较大,并倾向于在良好的影像组合下取得较为优异的结果.     

基于基准样地法和国产高分数据的湖南省森林植被碳储量估测

为推广国产高分数据在大尺度范围碳储量估测计量的应用,采用覆盖湖南省的206景高分辨率遥感影像,将估测的最小单元固定为由多个像元组合成的面积为0.06 hm²的正方格,通过解译标志的建立和提纯,在森林信息提取上,利用基于像元法和面向对象分类法进行比较;在乔木林碳储量估测上,利用稳健估计、偏最小二乘法和基准样地法(k-NN)估计进行比较,最后实现了对湖南省森林的碳储量估测,并生成了全省的碳密度等级分布图.结果表明: 基于样地自动提取的解译标志在经过提纯后,能进一步增加乔木林提取精度;对于大尺度范围森林植被碳储量估测,无论是在森林信息提取还是乔木林碳储量建模方面,k-NN算法都体现了较大优势,是最佳估测方法;206景影像的平均分类总精度为76.8%,平均均方根误差为8.95 t·hm^-2,平均相对均方根误差为19.1%,湖南省碳储量总量为22.28 Mt.本研究结果为省级及国家级尺度的森林植被碳储量估测计量与监测提供了有效参考.